语言大模型 / LLM

When Does Personality Composition Matter for Multi-Agent LLM Teams?

人格构成何时对多智能体LLM团队重要？

Aryan Keluskar, Amrita Bhattacharjee, Huan Liu

机构 * School of Computing & AI（计算与人工智能学院） 纠错

专题命中 其他LLM ：LLM(title,title_cn)；language model(abstract,journal_ref)；large language model(abstract)；prompting(abstract)

AI总结 研究通过操纵前沿LLM的人格特质，发现人格对多智能体团队性能的影响取决于任务结构：在编码任务中影响小，在开放协作和谈判任务中显著降低性能。

Comments Accepted to COLM 2026 (20 pages, 6 figures)

Journal ref Conference on Language Modeling (COLM), San Francisco, USA, October 6-9, 2026

A Semi-Automated System for Generating Dialogue-Based TTS Lessons Using Large Language Models: An Exploratory Study of Educational Potential

一种使用大语言模型生成基于对话的语音合成课程的半自动系统：教育潜力的探索性研究

Gendo Kumoi, Fumie Watanabe, Tota Suko, Takashi Ishida, Yuko Kuma, Manabu Kobayashi, Shigeichi Hirasawa

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)

AI总结 研究提出用大语言模型和文本转语音技术生成基于对话课程的半自动系统，经准实验探索其教育潜力。系统通过三阶段工作流程增强教育工作者，引入新方法。实验表明对话TTS在理解等方面优于单声道TTS，为TTS音频教育可接受性及课程形式设计提供依据。

Growing a Tail: Increasing Output Diversity in Large Language Models

增长尾巴：增加大语言模型的输出多样性

Michal Shur-Ofry, Bar Horowitz-Amsalem, Adir Rahamim, Yonatan Belinkov

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；prompting(abstract)；分类 cs.CL

AI总结 研究大语言模型输出多样性，通过对比模型与人类回答发现模型输出集中。提出三种增加多样性的方法，即温度采样、单提示多角度回答、聚合多模型输出，组合使用可大幅提升多样性，还探讨了对AI政策治理的影响。

Comments Accepted to Machine Learning with Applications

CityBehavEx: A Scalable and Empirically Validated LLM-Assisted Urban Simulation Platform

CityBehavEx：一个可扩展且经过实证验证的基于大语言模型的城市模拟平台

Gustavo H. Santos, Aline Viana, Thiago H Silva

机构 * UTFPR（巴拉那联邦理工大学） ； Inria（法国国家信息与自动化研究所） ； University of Toronto（多伦多大学） 纠错

专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 CityBehavEx平台针对基于大语言模型的城市模拟器扩展成本高和验证薄弱问题，结合人类出行模型与交叉编码器，实现大规模模拟，能生成更贴合现实的出行模式，还允许用户进行多种操作及验证。

Comments 10 pages, 3 figures

QUBO-Optimized Evidence Selection for Retrieval-Augmented Question Answering with Unconventional Solvers

使用非常规求解器的QUBO优化证据选择用于检索增强问答

Rahul Singh, Madhav Vadlamani

机构 * University of California Santa Barbara（加利福尼亚大学圣巴巴拉分校） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 其他LLM ：LLM(summary_cn,abstract)；language model(abstract)；分类 cs.CL

AI总结 研究针对检索增强问答中证据选择问题，将其转化为QUBO问题构建能量函数，平衡多种因素选择证据段落，再由下游语言模型生成答案。在HotpotQA上评估，该方法性能与基于LLM的选择器相当，为RAG管道提供新思路。

ViCo3D: Empowering LiDAR-based Collaborative 3D Object Detection with Vision Foundation Models

ViCo3D：利用视觉基础模型增强基于激光雷达的协作式3D目标检测

Haojie Ren, Songrui Luo, Lingfeng Wang, Yan Xia, Yao Li, Jing Li, Lu Zhang, Jiajun Deng, Yanyong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 其他LLM ：foundation model(title,abstract)

AI总结 研究针对V2X系统中基于激光雷达协作式3D感知的不足，提出ViCo3D框架。通过将点云投影为图像让VFM提取特征，引入融合模块及跨智能体融合策略，实现了先进的3D检测性能，提升了协作增益。

Predicting Program Comprehension with Foundation Models of Human Cognition

用人类认知基础模型预测程序理解能力

Yannick Lehmen, Marvin Wyrich, Anna-Maria Maurer, Norman Peitek, Sven Apel

专题命中 其他LLM ：foundation model(title,abstract)

AI总结 研究探讨用人类认知基础模型预测程序理解能力，通过评估基于160个心理实验训练的Centaur在9个程序理解研究中的表现，发现其比基础模型更契合人类响应模式，为软件工程中开发者行为建模提供了新思路。

Comments Submission under review

Stars, Stripes, and Silicon: Unravelling the ChatGPT's All-American, Monochrome, Cis-centric Bias

星、条纹与硅：揭开ChatGPT的全美、单色、cis中心主义偏见

Federico Torrielli

机构 * University of Torino, Department of Computer Science, Torino, Italy（托斯尼亚大学计算机科学系） 纠错

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文探讨了ChatGPT等大型语言模型中的偏见问题，强调数据质量对模型的影响，并呼吁跨学科合作以建立治理机制，减少偏见带来的负面影响。

Journal ref 1st Workshop on Biased Data in Conversational Agents (Hosted at ECML-PKDD, 18-22 September 2023)

MCP Pitfall Lab: Exposing Developer Pitfalls in MCP Tool Server Security under Multi-Vector Attacks

MCP陷阱实验室：在多向攻击下暴露MCP工具服务器安全漏洞的开发人员陷阱

Run Hao, Zhuoran Tan

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 本文提出MCP Pitfall Lab框架，通过可复现的场景验证开发人员陷阱，评估MCP工具服务器在多向攻击下的安全性和修复效果。

Human-AI Agent Interaction as a Neuroplastic Training Environment

作为神经可塑性训练环境的人类与人工智能代理交互

Eranga Bandara, Ross Gore, Asanga Gunaratna, Ravi Mukkamala, Nihal Siriwardanagea, Gihan Siriwardanagea, Sachini Rajapakse, Isurunima Kularathna, Pramoda Karunarathna, Chalani Rajapakse, Sachin Shetty, Christopher K. Rhea, Ng Wee Keong, Kasun De Zoysa, Amin Hass, Shaifali Kaushik, Wathsala Herath, Preston Samuel, Anita H. Clayton, Atmaram Yarlagadd

机构 * Old Dominion University（奥多明尼昂大学） ； AI Motion Labs（人工智能运动实验室） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Accenture Technology Labs（埃森哲技术实验室） ； GSI Scandinavia AB（GSI斯堪的纳维亚公司） ； Lithuanian University of Health Sciences（立陶宛健康科学大学） ； Department of Psychiatry and Neurobehavioral Sciences, University of Virginia School of Medicine（弗吉尼亚大学医学院精神病学和神经行为科学系） ； Blanchfield Army Community Hospital（布兰奇菲尔德陆军社区医院） ； McDonald Army Health Center（麦克唐纳陆军健康中心） 纠错

专题命中 其他LLM ：prompting(abstract)；分类 cs.AI

AI总结 研究人类与AI代理交互这一日常活动，发现其是神经可塑性训练环境。提出利用此环境产生相反效果的框架，通过三层观察和两种应用模式实现，以生成图像提示为例展示该框架能使观察与否行为相同但神经学相反。

Investigating the Integration of Spatial Information in Foundation-Model-Based Speaker Diarization

研究基于基础模型的说话人聚类中空间信息的整合

Marc Deegen, Adrian Meise, Reinhold Haeb-Umbach

专题命中 其他LLM ：foundation model(abstract)

AI总结 研究基于基础模型的说话人聚类中空间信息整合，比较波束形成器与基础模型级联、多通道基础模型、基于提取空间特征对下游网络条件设定三种方法，发现条件设定法性能最佳且能消除相关错误，是有竞争力的方法。

Comments Accepted at IWAENC 2026

What's Inside a GitHub Repository? An Empirical Study on the Contents of 10K Projects

GitHub仓库中有什么？对10000个项目内容的实证研究

Andre Hora, João Eduardo Montandon, Diego Elias Costa

专题命中 其他LLM ：LLM(abstract_cn)

AI总结 本文通过分析10000个GitHub仓库的文件和目录，揭示了过去十年仓库内容的变化，包括README.md标准化、GitHub Actions兴起、配置格式演变及生成式AI相关内容的增长。

Comments Paper accepted to ICSME 2026

CreatiParser: Generative Image Parsing of Raster Graphic Designs into Editable Layers

CreatiParser: 从位图图形设计生成可编辑的图层

Weidong Chen, Dexiang Hong, Zhendong Mao, Yutao Cheng, Xinyan Liu, Lei Zhang, Yongdong Zhang

机构 * School of Information Science and Technology, University of Science and Technology of China（科学技术大学信息科学与技术学院） ； ByteDance Intelligent Creation（字节跳动智能创作） ； School of Computer Science and Technology, Harbin Institute of Technology (Weihai)（哈尔滨工业大学（威海）计算机科学与技术学院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 本文提出CreatiParser框架，将位图图形设计分解为可编辑的文本、背景和贴纸图层，结合视觉语言模型和多分支扩散架构，提升生成质量与编辑灵活性，实验显示在Parser-40K和Crello数据集上性能优于现有方法。

GAINS: Gaussian-based Inverse Rendering from Sparse Multi-View Captures

GAINS：基于高斯的稀疏多视图捕获逆渲染

Patrick Noras, Jun Myeong Choi, Didier Stricker, Pieter Peers, Roni Sengupta

机构 * University Kaiserslautern-Landau（凯撒斯劳滕-兰道大学） ； German Research Center for Artificial Intelligence（德国人工智能研究中心） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； College of William & Mary（威廉与玛丽学院） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 研究针对稀疏视图设置下基于高斯的逆渲染精度下降问题，提出GAINS两阶段逆渲染框架，利用基础模型先验稳定几何和材质估计，经实验验证其在提升材质参数精度等方面效果显著，尤其在稀疏视图下优势明显。